针对目前指针式仪表识别任务在使用深度学习算法时存在模型参数量大、计算量大、准确率较低的问题，提出一种基于改进预训练MobileNetV2网络模型与圆形Hough变换相结合的圆形指针式仪表智能检测和识别系统。首先，采用Hough变换解决复杂场景内非圆形区域的干扰问题；然后，提取圆形区域以构建数据集；最后，使用基于改进预训练MobileNetV2网络模型对圆形指针式仪表进行识别。为客观反映所提模型的性能优劣，采用平均混淆矩阵来衡量模型性能。实验结果表明，该系统在圆形指针式仪表识别任务中的识别率达到99.76%。同时，将所提模型与其他5种不同的网络模型进行对比的结果表明，该模型与ResNet50的准确率最高，但在模型参数量和模型计算量方面，所提网络模型相较于ResNet50分别降低了90.51%和92.40%，可见该模型有助于进一步在移动端或嵌入式设备中部署和实现工业级的实时圆形指针式仪表检测和识别。